水滩-优快云博客

原创 SVM+opencv实现车牌识别（含完整代码）

利用OpenCV基础知识实现车牌识别注：本文会将代码逐条分解，若觉得easy的可直接跳到最后，看如何在自己电脑上运行。# plt显示彩色图片，cv2与plt的图像通道不同：cv2为[b,g,r];plt为[r, g, b]plt.show()# plt显示灰度图片plt.show()# 高斯滤波并且转化为二值图像。

2024-01-09 12:27:46 4327 3

原创 YOLOv8网络架构介绍

YOLOv8 目前支持图像分类、物体检测和实例分割任务1.提供了一个全新的 SOTA 模型，包括 P5 640 和 P6 1280 分辨率的目标检测网络和基于YOLACT的实例分割模型。和 YOLOv5 一样，基于缩放系数也提供了 N/S/M/L/X 尺度的不同大小模型，用于满足不同场景需求。

2024-01-02 12:36:15 6868

学习深度学习一个好的框架十分的重要，现在主流的就是PyTorch和TensorFlow，今天我们一起来学习PyTorch，PyTorch是使用GPU和CPU优化的深度学习张量库。本文通过详细且实践性的方式介绍了 PyTorch 的基础知识、张量操作、自动求导机制、神经网络创建、数据处理、模型训练、测试以及模型的保存和加载。其实除了可以采用自动梯度方法，我们还可以通过构建一个继承了torch.nn.Module的新类，来完成对前向传播函数和后向传播函数的重写。

2023-12-22 11:48:07 1214

原创 OSError [WinError 1455]页面文件太小，无法完成操作”解决方案“

在windows下用pytorch训练的时候，比如用yolov5(yolov8等等也一样，只要是涉及到多进程，如dataloader的num_workers设的比较大)，就有可能会遇到“OSError: [WinError 1455] 页面文件太小，无法完成操作”的错误。1.调大虚拟内存2.升级pytorch版本。

2023-12-20 12:06:10 13889 7

原创 python chapter 5 循环 Loop

For 循环用于指定范围的重复操作。range()可以生成一个数字范围。在不知道循环什么时间停止的时候，应该试试 While 循环。循环同样也是可以嵌套的。巧妙地使用break和continue语句。合理的剪枝，缩小搜索范围/循环范围，可以大幅提高程序运行效率。

2023-12-19 18:43:45 870 1

原创 python chapter 4 Conditionals条件语句

if-else 和if-elif-else和3.10中的match...case。

2023-12-19 17:52:05 382 1

原创 python chapter3 Variables and Functions

变量只是个标签，物理设备上有啥才是重点def、header、body、缩进、return函数是有作用域的，类似双层玻璃，里面可以看见外面，外面不能看见里面函数的一些列操作完成后就销毁了。

2023-12-19 16:13:44 884 1

原创 python chapter 2 Data Types and Operators

Python 的类型系统很丰富，可以使用type()查看对应的类型常数类型的值是不可修改的除法操作默认是浮点数除法，整除操作需要使用//运算符之间有运算优先级，运算符作用于不同对象之间的效果是不同的在进行逻辑判断时，会使用短路求值比type()更具有稳健性（Robustness）

2023-12-19 11:31:44 768 1

原创 python chapter 1 Basic

TypeError Traceback (most recent call last) x = input("输入一个数字") ----> 2 print(x, "的一半等于", x/2)print(f"一个简单的数学问题：\"{x} + {y} =?print(x, "的一半等于", x/2) # 对味啦。print("あなたの名前は", name, "です")x = int(input("输入一个数字："))name = input("输入你的名字：")print(x, "的一半等于", x/2)

2023-12-19 09:59:09 1000 1

原创卷积层理解及应用到边缘检测

卷积神经网络（convolutional neural network）是含有卷积层（convolutional layer）的神经网络。本章介绍卷积神经网络最常见的二维卷积层工作原理。

2023-12-08 19:59:12 250

原创图像增广--翻转裁剪和变化颜色

在“深度卷积神经网络（AlexNet）”中，大规模数据集是成功应用深度神经网络的前提。图像增广（image augmentation）技术通过对训练图像做一系列随机改变，来产生相似但又不同的训练样本，从而扩大训练数据集的规模。图像增广的另一种解释是，随机改变训练样本可以降低模型对某些属性的依赖，从而提高模型的泛化能力。例如，我们可以对图像进行不同方式的裁剪，使感兴趣的物体出现在不同位置，从而减轻模型对物体出现位置的依赖性。我们也可以调整亮度、色彩等因素来降低模型对色彩的敏感度。

2023-12-08 17:22:28 146